一、prometheus基本原理介绍
prometheus是基于metric采样的监控,可以自定义监控指标,如:服务每秒请求数、请求失败数、请求执行时间等,每经过一个时间间隔,数据都会从运行的服务中流出,存储到一个时间序列数据库中,之后可通过PromQL语法查询。
主要特点:
多维数据模型,时间序列数据通过metric名以key、value的形式标识;
使用PromQL语法灵活地查询数据;
不需要依赖分布式存储,各服务器节点是独立自治的;
时间序列的收集,通过 HTTP 调用,基于pull 模型进行拉取;
通过push gateway推送时间序列;
通过服务发现或者静态配置,来发现目标服务对象;
多种绘图和仪表盘的可视化支持;
二、prometheus使用docker部署
查看是否有镜像
sudo docker search prometheus
新建prometheus.yaml
global: scrape_interval: 10s evaluation_interval: 60s scrape_configs: - job_name: prometheus static_configs: - targets: ['localhost:9090'] - job_name: integral static_configs: - targets: ['10.20.xx.xx:8001']
执行:
docker run --name prometheus -p 9090:9090 -v ~/prometheus.yaml:/etc/prometheus/prometheus.yml prom/prometheus
进入容器中可以看到配置文件已映射到容器指定目录:
踩坑: prometheus官方镜像指定的配置文件是prometheus.yml 所以映射到容器内的文件名一定要保持一致 否则会出现指定的配置文件不生效
三、prometheus整体架构及各组件
Prometheus Server :主程序,负责抓取和存储时序数据;
Client Libraries:客户端库,负责检测应用程序代码;
Push Gateway:Push 网关,接收短生命周期的 Job 主动推送的时序数据;
Exporters:为不同服务定制的Exporter(如:HAProxy、StatsD、Graphite等) ,从而抓取它们的Metris指标数据;
Alert Manage:告警管理器,处理不同的告警;
四、prometheus客户端调用示例
自定义prometheus的gin中间件
package ginprometheus import ( "strconv" "sync" "time" "github.com/gin-gonic/gin" "github.com/prometheus/client_golang/prometheus" ) const ( metricsPath = "/metrics" faviconPath = "/favicon.ico" ) var ( // httpHistogram prometheus 模型 httpHistogram = prometheus.NewHistogramVec(prometheus.HistogramOpts{ Namespace: "http_server", Subsystem: "", Name: "requests_seconds", Help: "Histogram of response latency (seconds) of http handlers.", ConstLabels: nil, Buckets: nil, }, []string{"method", "code", "uri"}) ) // init 初始化prometheus模型 func init() { prometheus.MustRegister(httpHistogram) } // handlerPath 定义采样路由struct type handlerPath struct { sync.Map } // get 获取path func (hp *handlerPath) get(handler string) string { v, ok := hp.Load(handler) if !ok { return "" } return v.(string) } // set 保存path到sync.Map func (hp *handlerPath) set(ri gin.RouteInfo) { hp.Store(ri.Handler, ri.Path) } // GinPrometheus gin调用Prometheus的struct type GinPrometheus struct { engine *gin.Engine ignored map[string]bool pathMap *handlerPath updated bool } type Option func(*GinPrometheus) // Ignore 添加忽略的路径 func Ignore(path ...string) Option { return func(gp *GinPrometheus) { for _, p := range path { gp.ignored[p] = true } } } // New new gin prometheus func New(e *gin.Engine, options ...Option) *GinPrometheus { if e == nil { return nil } gp := &GinPrometheus{ engine: e, ignored: map[string]bool{ metricsPath: true, faviconPath: true, }, pathMap: &handlerPath{}, } for _, o := range options { o(gp) } return gp } // updatePath 更新path func (gp *GinPrometheus) updatePath() { gp.updated = true for _, ri := range gp.engine.Routes() { gp.pathMap.set(ri) } } // Middleware set gin middleware func (gp *GinPrometheus) Middleware() gin.HandlerFunc { return func(c *gin.Context) { if !gp.updated { gp.updatePath() } // 过滤请求 if gp.ignored[c.Request.URL.String()] { c.Next() return } start := time.Now() c.Next() httpHistogram.WithLabelValues( c.Request.Method, strconv.Itoa(c.Writer.Status()), gp.pathMap.get(c.HandlerName()), ).Observe(time.Since(start).Seconds()) } }
gin路由初始化prometheus,使用中间件采样
gp := ginprometheus.New(r) r.Use(gp.Middleware()) // metrics采样 r.GET("/metrics", gin.WrapH(promhttp.Handler()))
查看target
选取指标对应的graph,这里以gc采样的时间为例:
如果需要展示更为丰富的可视化看板,可以将prometheus与grafana结合,将prometheus数据接入到grafana中,此处不再过多阐述
免责声明:本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除!
更新日志
- 凤飞飞《我们的主题曲》飞跃制作[正版原抓WAV+CUE]
- 刘嘉亮《亮情歌2》[WAV+CUE][1G]
- 红馆40·谭咏麟《歌者恋歌浓情30年演唱会》3CD[低速原抓WAV+CUE][1.8G]
- 刘纬武《睡眠宝宝竖琴童谣 吉卜力工作室 白噪音安抚》[320K/MP3][193.25MB]
- 【轻音乐】曼托凡尼乐团《精选辑》2CD.1998[FLAC+CUE整轨]
- 邝美云《心中有爱》1989年香港DMIJP版1MTO东芝首版[WAV+CUE]
- 群星《情叹-发烧女声DSD》天籁女声发烧碟[WAV+CUE]
- 刘纬武《睡眠宝宝竖琴童谣 吉卜力工作室 白噪音安抚》[FLAC/分轨][748.03MB]
- 理想混蛋《Origin Sessions》[320K/MP3][37.47MB]
- 公馆青少年《我其实一点都不酷》[320K/MP3][78.78MB]
- 群星《情叹-发烧男声DSD》最值得珍藏的完美男声[WAV+CUE]
- 群星《国韵飘香·贵妃醉酒HQCD黑胶王》2CD[WAV]
- 卫兰《DAUGHTER》【低速原抓WAV+CUE】
- 公馆青少年《我其实一点都不酷》[FLAC/分轨][398.22MB]
- ZWEI《迟暮的花 (Explicit)》[320K/MP3][57.16MB]